您對於桃園市行人道入感到滿意嗎*每天最常使用的交通方式

卡方檢定結果：
卡方檢定統計量 χ2 = 42.550 ，p 值 = 0.002 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「每天最
常使用的交通方式」的不同對「您對於桃園市行人道入感到滿意
嗎」有顯著的影響。
「每天最常使用的交通方式」跟「您對於桃園市行人道入感到滿
意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為 0.146 ，屬
於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「每天最常使用的交通方式」來預測「您對於桃園市行人道入
感到滿意嗎」的正確比例為 2.535%。
以「您對於桃園市行人道入感到滿意嗎」來預測「每天最常使用
的交通方式」的正確比例為 2.029%。
細格統計檢定分析：
「開車」中「不滿意」之調整後殘差為 3.2，表示觀察個數顯著高
於期望個數。
「開車」中「普通」之調整後殘差為-2.5，表示觀察個數顯著低
於期望個數。
「開車」中「滿意」之調整後殘差為-2，表示觀察個數顯著低於
期望個數。
「步行」中「非常不滿意」之調整後殘差為 2.4，表示觀察個數顯
著高於期望個數。
「步行」中「不滿意」之調整後殘差為-2.9，表示觀察個數顯著
低於期望個數。
「騎自行車」中「非常滿意」之調整後殘差為 2.7，表示觀察個數
顯著高於期望個數。
「機車/摩托車」中「普通」之調整後殘差為 3.1，表示觀察個數
顯著高於期望個數。
每天最常使用的交通方式*您對於桃園市行人道路的可及性感到滿
意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 34.412 ，p 值 = 0.023 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「每天最
常使用的交通方式」的不同對「您對於桃園市行人道路的可及性
感到滿意嗎」有顯著的影響。
「每天最常使用的交通方式」跟「您對於桃園市行人道路的可及
性感到滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為
0.131 ，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「每天最常使用的交通方式」來預測「您對於桃園市行人道路
的可及性感到滿意嗎」的正確比例為 2.121%。
以「您對於桃園市行人道路的可及性感到滿意嗎」來預測「每天
最常使用的交通方式」的正確比例為 1.424%。
細格統計檢定分析：
「開車」中「非常不滿意」之調整後殘差為 2.2，表示觀察個數顯
著高於期望個數。
「開車」中「不滿意」之調整後殘差為-2.2，表示觀察個數顯著
低於期望個數。
「大眾運輸」中「非常不滿意」之調整後殘差為-2.3，表示觀察
個數顯著低於期望個數。
「大眾運輸」中「不滿意」之調整後殘差為 3.4，表示觀察個數顯
著高於期望個數。
每天最常使用的交通方式*您對於桃園市行人步行的交通安全措施
(例如行人穿越和車輛行經時的速限)感到滿意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 35.748 ，p 值 = 0.016 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「每天最
常使用的交通方式」的不同對「您對於桃園市行人步行的交通安
全措施(例如行人穿越和車輛行經時的速限)感到滿意嗎」有顯著
的影響。
「每天最常使用的交通方式」跟「您對於桃園市行人步行的交通
安全措施(例如行人穿越和車輛行經時的速限)感到滿意嗎」之相
關係數 Cramer's V 值(介於 0~1 之間)為 0.134 ，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「每天最常使用的交通方式」來預測「您對於桃園市行人步行
的交通安全措施(例如行人穿越和車輛行經時的速限)感到滿意
嗎」的正確比例為 1.376%。
以「您對於桃園市行人步行的交通安全措施(例如行人穿越和車輛
行經時的速限)感到滿意嗎」來預測「每天最常使用的交通方式」
的正確比例為 1.382%。
細格統計檢定分析：
「大眾運輸」中「非常滿意」之調整後殘差為 2.1，表示觀察個數
顯著高於期望個數。
「步行」中「不滿意」之調整後殘差為-2.1，表示觀察個數顯著
低於期望個數。
「步行」中「滿意」之調整後殘差為 2.1，表示觀察個數顯著高於
期望個數。
「騎自行車」中「非常滿意」之調整後殘差為 3.1，表示觀察個數
顯著高於期望個數。
每天最常使用的交通方式*您對於桃園市大眾運輸系統的票價感到
滿意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 32.240 ，p 值 = 0.041 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「每天最
常使用的交通方式」的不同對「您對於桃園市大眾運輸系統的票
價感到滿意嗎」有顯著的影響。
「每天最常使用的交通方式」跟「您對於桃園市大眾運輸系統的
票價感到滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為
0.127 ，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「每天最常使用的交通方式」來預測「您對於桃園市大眾運輸
系統的票價感到滿意嗎」的正確比例為 1.657%。
以「您對於桃園市大眾運輸系統的票價感到滿意嗎」來預測「每
天最常使用的交通方式」的正確比例為 0.850%。
細格統計檢定分析：
「步行」中「非常不滿意」之調整後殘差為 3.1，表示觀察個數顯
著高於期望個數。
「騎自行車」中「普通」之調整後殘差為 2.9，表示觀察個數顯著
高於期望個數。
「騎自行車」中「滿意」之調整後殘差為-2，表示觀察個數顯著
低於期望個數。
每天最常使用的交通方式*您對於桃園市的交通標誌和路標感到滿
意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 31.737 ，p 值 = 0.046 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「每天最
常使用的交通方式」的不同對「您對於桃園市的交通標誌和路標
感到滿意嗎」有顯著的影響。
「每天最常使用的交通方式」跟「您對於桃園市的交通標誌和路
標感到滿意嗎」之相關係數 Cramer’s V 值(介於 0~1 之間)為
0.126 ，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「每天最常使用的交通方式」來預測「您對於桃園市的交通標
誌和路標感到滿意嗎」的正確比例為 1.929%。
以「您對於桃園市的交通標誌和路標感到滿意嗎」來預測「每天
最常使用的交通方式」的正確比例為 1.114%。
細格統計檢定分析：
「步行」中「不滿意」之調整後殘差為-2.2，表示觀察個數顯著
低於期望個數。
「騎自行車」中「非常不滿意」之調整後殘差為-2.6，表示觀察
個數顯著低於期望個數。
「騎自行車」中「普通」之調整後殘差為 3.2，表示觀察個數顯著
高於期望個數。
「機車/摩托車」中「不滿意」之調整後殘差為 2，表示觀察個數
顯著高於期望個數。
每天最常使用的交通方式*您對於桃園市當地道路維護感到滿意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 37.386 ，p 值 = 0.011 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「每天最
常使用的交通方式」的不同對「您對於桃園市當地道路維護感到
滿意嗎」有顯著的影響。
「每天最常使用的交通方式」跟「您對於桃園市當地道路維護感
到滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為 0.137
，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「每天最常使用的交通方式」來預測「您對於桃園市當地道路
維護感到滿意嗎」的正確比例為 1.603%。
以「您對於桃園市當地道路維護感到滿意嗎」來預測「每天最常
使用的交通方式」的正確比例為 1.548%。
細格統計檢定分析：
「大眾運輸」中「非常滿意」之調整後殘差為 3.4，表示觀察個數
顯著高於期望個數。
「騎自行車」中「非常不滿意」之調整後殘差為-2.3，表示觀察
個數顯著低於期望個數。
「騎自行車」中「滿意」之調整後殘差為 3.2，表示觀察個數顯著
高於期望個數。
「其他」中「非常不滿意」之調整後殘差為 2.4，表示觀察個數顯
著高於期望個數。
曾經去過或居住在桃園*您對於桃園市大眾運輸系統感到滿意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 16.121 ，p 值 = 0.041 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾經去
過或居住在桃園」的不同對「您對於桃園市大眾運輸系統感到滿
意嗎」有顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市大眾運輸系統感到
滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為 0.127 ，
屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市大眾運輸系
統感到滿意嗎」的正確比例為 1.590%。
以「您對於桃園市大眾運輸系統感到滿意嗎」來預測「曾經去過
或居住在桃園」的正確比例為 1.297%。
細格統計檢定分析：
「居住在桃園」中「滿意」之調整後殘差為 2.1，表示觀察個數顯
著高於期望個數。
「居住在桃園」中「非常滿意」之調整後殘差為-2.1，表示觀察
個數顯著低於期望個數。
「一年內沒有到過桃園」中「滿意」之調整後殘差為-2.9，表示
觀察個數顯著低於期望個數。
「一年內沒有到過桃園」中「非常滿意」之調整後殘差為 3.6，表
示觀察個數顯著高於期望個數。

曾經去過或居住在桃園*您對於桃園市大眾運輸系統的票價感到滿
意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 19.086 ，p 值 = 0.014 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾經去
過或居住在桃園」的不同對「您對於桃園市大眾運輸系統的票價
感到滿意嗎」有顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市大眾運輸系統的票
價感到滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為
0.138 ，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市大眾運輸系
統的票價感到滿意嗎」的正確比例為 0.695%。
以「您對於桃園市大眾運輸系統的票價感到滿意嗎」來預測「曾
經去過或居住在桃園」的正確比例為 1.704%。
細格統計檢定分析：
「一年內去過桃園」中「不滿意」之調整後殘差為 2.3，表示觀察
個數顯著高於期望個數。
「居住在桃園」中「非常滿意」之調整後殘差為 2.4，表示觀察個
數顯著高於期望個數。
「一年內沒有到過桃園」中「非常不滿意」之調整後殘差為 2.4，
表示觀察個數顯著高於期望個數。

曾經去過或居住在桃園*您對於桃園市行人道路的寬度感到滿意嗎
卡方檢定結果：
卡方檢定統計量 χ2 = 15.973 ，p 值 = 0.043 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾經去
過或居住在桃園」的不同對「您對於桃園市行人道路的寬度感到
滿意嗎」有顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市行人道路的寬度感
到滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為 0.126
，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市行人道路的
寬度感到滿意嗎」的正確比例為 0.776%。
以「您對於桃園市行人道路的寬度感到滿意嗎」來預測「曾經去
過或居住在桃園」的正確比例為 1.383%。
細格統計檢定分析：
「一年內去過桃園」中「不滿意」之調整後殘差為-2，表示觀察
個數顯著低於期望個數。
「一年內去過桃園」中「滿意」之調整後殘差為 3.1，表示觀察個
數顯著高於期望個數。
「一年內沒有到過桃園」中「滿意」之調整後殘差為-2，表示觀
察個數顯著低於期望個數。

曾經去過或居住在桃園*您對於桃園市行人道路設施感到滿意嗎

卡方檢定結果：
卡方檢定統計量 χ2 = 16.809 ，p 值 = 0.032 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾經去
過或居住在桃園」的不同對「您對於桃園市行人道路設施感到滿
意嗎」有顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市行人道路設施感到
滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為 0.130 ，
屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市行人道路設
施感到滿意嗎」的正確比例為 0.990%。
以「您對於桃園市行人道路設施感到滿意嗎」來預測「曾經去過
或居住在桃園」的正確比例為 1.261%。
細格統計檢定分析：
「一年內去過桃園」中「滿意」之調整後殘差為 2，表示觀察個數
顯著高於期望個數。
「一年內沒有到過桃園」中「非常不滿意」之調整後殘差為 2.3，
表示觀察個數顯著高於期望個數。
「一年內沒有到過桃園」中「普通」之調整後殘差為-2.4，表示
觀察個數顯著低於期望個數。

曾經去過或居住在桃園*您對於桃園市行人道路可及性感到滿意嗎
(例如無障礙通道、坡道)
卡方檢定結果：
卡方檢定統計量 χ2 = 258.027 ，p 值 = 0.000 ，達到 α =
0.05 的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾
經去過或居住在桃園」的不同對「您對於桃園市行人道路可及性
感到滿意嗎(例如無障礙通道、坡道)」有顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市行人道路可及性感
到滿意嗎(例如無障礙通道、坡道)」之相關係數 Cramer's V 值
(介於 0~1 之間)為 0.429 ，屬於中度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市行人道路可
及性感到滿意嗎(例如無障礙通道、坡道)」的正確比例為
15.956%。
以「您對於桃園市行人道路可及性感到滿意嗎(例如無障礙通道、
坡道)」來預測「曾經去過或居住在桃園」的正確比例為
25.625%。
細格統計檢定分析：
「一年內去過桃園」中「非常不滿意」之調整後殘差為-4.7，表
示觀察個數顯著低於期望個數。
「一年內去過桃園」中「不滿意」之調整後殘差為-5.9，表示觀
察個數顯著低於期望個數。
「一年內去過桃園」中「普通」之調整後殘差為-7.9，表示觀察
個數顯著低於期望個數。
「一年內去過桃園」中「滿意」之調整後殘差為 15，表示觀察個
數顯著高於期望個數。
「居住在桃園」中「非常不滿意」之調整後殘差為 2.5，表示觀察
個數顯著高於期望個數。
「居住在桃園」中「不滿意」之調整後殘差為 3.6，表示觀察個數
顯著高於期望個數。
「居住在桃園」中「普通」之調整後殘差為 8.9，表示觀察個數顯
著高於期望個數。
「居住在桃園」中「滿意」之調整後殘差為-12.4，表示觀察個數
顯著低於期望個數。
「一年內沒有到過桃園」中「非常不滿意」之調整後殘差為 4.1，
表示觀察個數顯著高於期望個數。
「一年內沒有到過桃園」中「不滿意」之調整後殘差為 4.2，表示
觀察個數顯著高於期望個數。
「一年內沒有到過桃園」中「普通」之調整後殘差為-2.1，表示
觀察個數顯著低於期望個數。
「一年內沒有到過桃園」中「滿意」之調整後殘差為-4.6，表示
觀察個數顯著低於期望個數。
曾經去過或居住在桃園*您對於桃園市行人步行的交通安全措施
（例如行人穿越處和車輛行經時的速限）感到滿意嗎？
卡方檢定結果：
卡方檢定統計量 χ2 = 20.178 ，p 值 = 0.010 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾經去
過或居住在桃園」的不同對「您對於桃園市行人步行的交通安全
措施（例如行人穿越處和車輛行經時的速限）感到滿意嗎？」有
顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市行人步行的交通安
全措施（例如行人穿越處和車輛行經時的速限）感到滿意嗎？」
之相關係數 Cramer's V 值(介於 0~1 之間)為 0.142 ，屬於低度
相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市行人步行的
交通安全措施（例如行人穿越處和車輛行經時的速限）感到滿意
嗎？」的正確比例為 1.005%。
以「您對於桃園市行人步行的交通安全措施（例如行人穿越處和
車輛行經時的速限）感到滿意嗎？」來預測「曾經去過或居住在
桃園」的正確比例為 2.284%。
細格統計檢定分析：
「一年內去過桃園」中「滿意」之調整後殘差為 2.8，表示觀察個
數顯著高於期望個數。
「居住在桃園」中「非常不滿意」之調整後殘差為-2.2，表示觀
察個數顯著低於期望個數。
「居住在桃園」中「非常滿意」之調整後殘差為 2.2，表示觀察個
數顯著高於期望個數。
「一年內沒有到過桃園」中「非常不滿意」之調整後殘差為 2.6，
表示觀察個數顯著高於期望個數。
曾經去過或居住在桃園*您對於桃園市道路設計流暢度感到滿意嗎

卡方檢定結果：
卡方檢定統計量 χ2 = 19.501 ，p 值 = 0.012 ，達到 α = 0.05
的顯著水準 ，因此拒絕虛無假設，接受對立假設。表示「曾經去
過或居住在桃園」的不同對「您對於桃園市道路設計流暢度感到
滿意嗎」有顯著的影響。
「曾經去過或居住在桃園」跟「您對於桃園市道路設計流暢度感
到滿意嗎」之相關係數 Cramer's V 值(介於 0~1 之間)為 0.140
，屬於低度相關。
Goodman 與 Kruskal 的預測係數 Tau 值的分析：
以「曾經去過或居住在桃園」來預測「您對於桃園市道路設計流
暢度感到滿意嗎」的正確比例為 1.240%。
以「您對於桃園市道路設計流暢度感到滿意嗎」來預測「曾經去
過或居住在桃園」的正確比例為 2.128%。
細格統計檢定分析：
「一年內去過桃園」中「不滿意」之調整後殘差為-2.1，表示觀
察個數顯著低於期望個數。
「居住在桃園」中「非常不滿意」之調整後殘差為-3.4，表示觀
察個數顯著低於期望個數。
「一年內沒有到過桃園」中「非常不滿意」之調整後殘差為 2.7，
表示觀察個數顯著高於期望個數。

職業*您每天最常使用的交通方式是
卡方檢定結果：
卡方檢定統計量 χ2 = 73.604 ，p 值 = 0.111 ，未達 α = 0.05
的顯著水準，因此無法拒絕虛無假設。表示「職業」的不同對
「您每天最常使用的交通方式是？」並沒有顯著的影響。
性別*您每天最常使用的交通方式是
卡方檢定結果：
卡方檢定統計量 χ2 = 7.490 ，p 值 = 0.187 ，未達 α = 0.05
的顯著水準，因此無法拒絕虛無假設。表示「性別」的不同對
「您每天最常使用的交通方式是」並沒有顯著的影響。